Luwes dan Bisa Jualan, Sosok "Manusia" Buatan AI Jadi Host Streaming di China

Gerak-geriknya tampak natural saat menunjukkan barang dagangan ke penonton, mulai dari jari-jemari, gerakan bibir, tatapan mata yang berpindah dari produk ke kamera, hingga lekukan di pipi yang sesekali muncul saat dia menyunggingkan senyum kecil.

Di video lain, seorang host -juga wanita- menjajakan sesuatu yang tampak seperti produk kecantikan. Penampilannya lebih modis dengan blazer putih, kaus dalam hitam, dan rambut sebahu yang berwarna kemerahan seperti terkena cahaya lampu.

Seperti host sebelumnya, dia terlihat biasa saja, layaknya host live streaming yang kerap dijumpai menjual produk di media sosial.

Hanya saja, mereka sebenarnya bukan manusia.

Kalau bukan karena jelas-jelas ditandai sebagai video AI dari Silicon Intelligence an Xiaoice, mungkin bakal banyak orang yang mengira keduanya sebagai orang betulan, meskipun sesungguhnya hanya rekaan.

Avatar AI hasil "kloning" manusia

Sosok-sosok jelmaan kecerdasan buatan (Artificial Intelligence/AI) tersebut kini banyak ditemukan di dunia maya China.

Platform e-commerce Taobao, misalnya, terlihat masih ramai dengan streamer yang menawarkan diskon barang di pagi buta pukul 4 dini hari seolah tak kenal lelah.

Wajar saja, karena mesin tak butuh istirahat. Itu pula yang menjadi salah satu daya tarik AI sebagai host live streaming. Mereka adalah hasil karya generative AI, yakni tipe kecerdasan buatan semacam ChatGPT yang mampu membuat konten baru.

Dalam hal ini, konten dimaksud adalah suara dan tampilan dari sang host AI yang tampak sangat mirip dengan manusia asli, meskipun sebagian masih bisa tampak kurang natural apabila diamati dengan cermat.

Generative AI dilatih dengan video berisi streamer manusia sungguhan untuk ditiru penampilannya, gerak-geriknya, dan suaranya.

Contoh video AI yang bisa menjadi streamer untuk jualan, bisa dilihat melalui tautan berikut ini.

Sebagaimana dihimpun KompasTekno dari MIT Technology Review, Rabu (18/10/2023), hasil pembelajaran tersebut lantas dipakai untuk membuat sosok avatar "kloning" yang sangat mirip dengan sang host.

Begitu sudah jadi, avatar tinggal diminta membacakan script saja. Suara dan gerak bibir akan otomatis sinkron. Naskah ini pada awalnya ditulis oleh manusia, tapi belakangan mulai ditangani juga oleh AI berbasis large language model (LLM).

Informasi yang diperlukan pun hanyalah keterangan-keterangan yang bersifat mendasar, seperti nama dan harga produk yang akan dijual, serta proof read naskah untuk memastikan tak keliru. Selanjutnya, operator tinggal duduk manis menyaksikan AI go live.

Beberapa program avatar ini bahkan sudah demikian canggih sehingga mampu menanggapi komentar pemirsa dan mencarikan respon yang sesuai di database, sehingga terlihat seolah-olah aktif berkomunikasi dengan penonton.

Makin canggih, makin murah

Sejak 2022, perusahaan-perusahaan teknologi China sudah banyak menawarkan layanan membuat avatar macam demikian untuk keperluan e-commerce via live streaming. Perusahaan startup digital pun tak ketinggalan, salah satunya Silicon Intelligence.

Didirikan pada 2017, Silicon Intelligence yang berbasis di Nanjing memiliki spesialisasi teknologi text-to speech. Pendiri dan CEO Silicon Intelligence, Sima Huapeng, mengatakan pihaknya mulai mulai melirik potensi avatar AI untuk live streaming pada 2020.

Ketika itu proses pelatihannya masih lama. Generative AI Silicon Intelligence membutuhkan video sepanjang 30 menit untuk menghasilkan avatar yang bisa berbicara dan berlaku layaknya manusia. Materi video yang dipakai untuk training AI tak lain adalah rekaman host manusia sungguhan.

Huang Wei dari perusahaan AI Xiaoice mengatakan bahwa generative AI meniru gerakan tubuh seperti ketika streamer menunjuk tombol follow atau keranjang belanja. Sang streamer sengaja menunjukkan serangkaian gerakan agar bisa dipelajari oleh AI.

"Kami ingin bahasa tubuh dan suaranya matching," ujar Huang yang menjabat sebagai direktur bisnis live streaming virtual influencer di Xiaoice.

"Tentunya kita tidak mau (AI) bicara soal tombol follow sambil bertepuk tangan. Akan kelihatan aneh," lanjut Huang.

Xiaoice memiliki database berisi pilihan gerakan-gerakan semacam ini untuk dipelajari oleh AI dalam membuat kloning host manusia yang terlihat meyakinkan.

Seiring waktu, AI makin lama makin canggih sehingga durasi pelatihan yang diperlukan pun berkurang. Menurut Silicon Intelligence, pada 2021, waktu training AI terpangkas menjadi 10 menit, lalu tiga menit. Sekarang, AI hanya perlu video semenit untuk menciptakan "kloning" manusia.

Biaya layanannya pun ikut turun. Layanan avatar AI dari Silicon Intelligence kini bisa diperoleh dengan harga mulai 8.000 yuan atau sekitar Rp 17 juta, sudah termasuk tahap pembuatan (generation) sosok avatar hingga maintenance selama setahun.

Layanan avatar AI dari Xiaoice melakukan debutnya tahun ini dengan harga serupa dengan Silicon Intelligence. Generative Ai dari kedua perusahaan sama-sama hanya membutuhkan rekaman video selama semenit dari host live streaming yang ingin dibuatkan avatar-nya.

"Kecerdasan emosional" untuk avatar AI

Live commerce atau live stream e-commerce di mana seorang host tampil dalam video streaming sambil menjajakan produk secara langsung adalah industri bernilai besar di Negeri Tirai Bambu.

Pada 2021, nilai pasar live commerce di China mencapai 2,27 triliun yuan atau lebih dari Rp 4.800 triliun. Di akhir tahun tersebut, menurut data pemerintah China yang dikutip Sixth Tone, terdapat 1,2 juta orang live streamer yang menyiarkan kontennya ke 800 juta orang pemirsa.

Sebanyak 10 miliar barang terjual tiap bulannya di Duoyin, versi lokal TikTok besutan ByteDance, belum termasuk penjualan di platform lain. Pasar live commerce di China pun diproyeksi tumbuh pesat menjadi 4,9 triliun yuan atau Rp 10.500 triliun di 2023.

Huang dari perusahaan AI Xiaoice mengatakan bahwa salah satu alasan live commerce bisa berkembang pesat adalah aspek emosional yang dijalin antara streamer dengan penonton.

"Situs e-commerce tradisional terlihat seperti rak-rak barang saja untuk kebanyakan konsumen. Dingin. Dalam live streaming, ada koneksi emosional antara host dan penonton, dan mereka bisa menjelaskan produknya dengan lebih baik," ujar Huang.

Xiaoice pun mengejar pengembangan AI yang bisa semirip mungkin dengan manusia, terutama yang bisa menunjukkan emosi. Demikian juga dengan Silcon Intelligence yang ingin menerapkan "kecerdasan emosional" di avatar AI.

"Misalnya, kalau ada komentar negatif, dia (avatar AI) akan sedih. Kalau produknya laku, dia akan gembira," ujar CEO Silicon Intelligence Sima Huapeng. Perusahaan ini juga sedang mencoba agar avatar AI bisa saling berinteraksi dan belajar dari sesamanya.

Selain aspek emosi, untuk sekarang avatar AI masih memiliki keterbatasan lain. Meskipun dapat memegang-megang dan mendemonstrasikan produk di depan kamera, misalnya, avatar AI masih belum bisa melakukan satu hal yang sederhana, yakni duduk di sofa atau berbaring di kasur.

Keterbatasan itu menjadi ganjalan buat brand produk furniture, namun, tidak menutup kemungkinan bisa segera diatasi di masa mendatang mengingat perkembangan teknologinya yang pesat.

Host live streaming sungguhan tergeser AI

Kecanggihan avatar AI perlahan tapi pasti mulai menggeser streamer manusia sungguhan, dan ini sudah mulai terjadi. Mendapatkan pekerjaan sebagai host live commerce di China belakangan menjadi semakin sulit, selain gajinya berkurang.

Menurut firma riset iiMedia Research, angka rata-rata gaji host live streaming di China pada 2023 mengalami penurunan 20 persen dibandingkan tahun lalu.

Chen Dan, CEO Quantum Planet AI, perusahaan yang memaketkan teknologi avatar AI seperti milik Xiaoice dan Silicon Intelligence untuk klien korporat mengatakan, platform live commerce banyak melirik avatar AI karena bisa menghemat biaya dan meningkatkan efisiensi.

Dibandingkan host live streamer sungguhan, avatar AI bisa bekerja lebih lama, kalau perlu sampai 24 jam sehari, tanpa kelihatan lelah sedikitpun. Ongkosnya pun lebih rendah dibanding manusia sungguhan yang juga memerlukan biaya pemondokan atau akomodasi.

"Seandainya perusahaan merekrut 10 host live stream, skill mereka akan berbeda-beda. Mungkin dua atau tiga teratas akan berkontribusi 70-80 persen dari total penjualan," ujar Chen.

"Host virtual (avatar AI) bisa menggantikan sisanya, sebanyak enam atau tujuh streamer yang kontribusinya kurang," lanjutnya. "Ongkos pun akan menurun dengan signifikan."

Huang Wei dari Xiaoice mengatakan, avatar AI mungkin tidak bisa menggantikan influencer e-commerce papan atas yang sudah sangat beken di China, tapi sudah cukup bagus untuk menggeser influencer menengah.

Apalagi, avatar AI sudah terbukti mampu menjual produk. Salah satu streamer virtual buatan Xiaoice, misalnya, disebut mampu mencatat penjualan senilai 10.000 yuan atau sekitar Rp 21,5 juta hanya dalam waktu 1 jam.

Perusahaan-perusahaan teknologi pun ikut terjun ke ranah ini. Selain startup seperti Silicon Intelligence dan Xiaoice, raksasa macam Alibaba, Tencent, Baidu, dan JD juga telah meluncurkan layanan AI generation untuk membikin avatar host live streaming tahun ini.

Brand yang berjualan di sejumlah platform e-commerce tersebut bisa memanfaatkan layanan generative AI dalam membuat avatar live streaming untuk mempromosikan dagangannya.

Masih baru diatur

Popularitas live streaming dengan avatar AI ikut menarik perhatian Duoyin, versi lokal China dari TikTok yang juga diperasikan oleh ByteDance. Namun, pendekatannya lebih kepada aspek transparansi agar tak mengecoh penonton.

Pada Mei lalu, Duoyin mengatakan video hasil rekaan AI mesti diberi label watermark khusus, lalu influencer virtual harus dikendalikan oleh operator manusia. Duoyin melarang penggunaan video hasil rekaman untuk dipakai sebagai live streaming.

Sementara itu, live streaming dengan avatar AI tidak direkam sebelumnya, tapi  hanya sedikit melibatkan input manusia sehingga mengaburkan batasan peraturan di platform video tersebut.

Pemerintah China dalam beberapa tahun terakhir telah membuat serangkaian regulasi untuk generative AI yang berlaku untuk livestreaming di e-commerce. Namun, efek dari peraturan ini masih belum terlihat karena teknologinya juga masih terhitung sangat baru.

Satu hal yang pasti, tren avatar AI akan makin meningkat dan jumlahnya bakal bertambah banyak. Berdasarkan laporan Sixth Tone pada Agustus lalu, misalnya, Silicon Intelligence mengklaim telah membuat 1,5 juta avatar AI untuk 40.000 operator live streaming.

Xiaoice, yang sejauh ini sudah membikin 400.000 streamer virtual, tak kalah ambisius. Perusahaan startup tersebut bercita-cita membuat 100 juta avatar AI pada 2025.